Considering the impacts of variable renewable energies in power system capacity expansion planning

Transkript

1 DLR.de Chart 1 Considering the impacts of variable renewable energies in power system capacity expansion planning The influence of the Flexibility Effect on results and computational effort of long-term capacity expansion optimization models IEWT 2017, Tobias Fichter und Franz Trieb Deutsches Zentrum für Luft- und Raumfahrt (DLR) Abteilung Systemanalyse und Technikbewertung

2 DLR.de Chart 2 Agenda Auswirkungen der Integration fluktuierender Erneuerbarer Energien (VRE) Einfluss des Flexibility Effect auf die Investitionsentscheidungen und den zeitlichen Rechenaufwand von Ausbauoptimierungsmodellen Methodik Ergebnisse Zusammenfassung und Schlussfolgerungen

3 DLR.de Chart 3 Auswirkung Integration VRE Auswirkungen der Integration fluktuierender Erneuerbarer Energien (VRE) Geringer Beitrag zur gesicherten Leistung durch VRE Geringe variable Stromerzeugungskosten von VRE Sinkende Auslastung konventioneller Kraftwerke ( Utilization Effect ) Adequacy impacts Balancing impacts VRE integration Fluktuierende und unzuverlässig Einspeisung von VRE Erhöhte Variabilität der residualen Last Erhöhter Bedarf an Regelleistung Flexiblere Fahrweise regelbarer Kraftwerke nötig bzw. erhöhter Bedarf an Flexibilitätsoptionen ( Flexibility Effect ) Grid-related impacts Ortsabhängige Verfügbarkeit von (V)RE Netzausbau notwendig zur Erschließung von Potentialen und Vermeidung von VRE Abregelung

4 DLR.de Chart 4 Auswirkung Integration VRE Ziel der Arbeit Untersuchung des Einflusses des Flexibility Effect auf die Investitionsentscheidung und den zeitlichen Rechenaufwand von Ausbauoptimierungsmodellen Der Flexibility Effect kann durch die Berücksichtigung von Unit Commitment Constraints (UCC) für thermische Kraftwerke innerhalb der Ausbauoptimierung berücksichtigt werden Dies benötigt jedoch eine hohe Anzahl an Binär/Integer Variablen, was zu einer deutlichen Erhöhung der Komplexität des Optimierungsproblem führt Fragestellung: Lohnt sich der Aufwand???

5 DLR.de Chart 5 Methodik REMix Energy System Modelling Framework REMix-EnDAT REMix-OptiMo REMix-CEM REMix-PCM Calculation of global potentials and hourly availability of RE technologies LP optimization model with focus on sector-coupling and flexibility options for large interconnected energy systems MILP long-term capacity expansion optimization model for national power systems MILP annual production cost/unit commitment optimization model Modelling detail System size EnDAT: Energy Data Analysis Tool OptiMo: Optimization Model CEM: Capacity Expansion Model PCM: Production Cost Model

6 DLR.de Chart 6 Methodik Methodik zur Ermittlung des Einfluss des Flexibility Effect auf Investitionsentscheidungen und zeitlichen Rechenaufwand Input Data RUN1 No UCC RUN2 Simplified UCC RUN3 Detailed UCC Long-term capacity expansion optimization (24 rep. days per year / 576 TS) Compare RUN1 RUN3: Asset fleet Computing time Asset fleet of respective year Annual production cost optimization (8760 TS) LRMC: Long-run marginal costs Ø LRMC of system according to REMix-CEM Ø LRMC of system according to REMix-PCM Compare RUN1 RUN3: LRMC error term REMix-CEM REMix-PCM

7 DLR.de Chart 7 Methodik Eigenschaften des fiktiven Stromversorgungssystem Entwicklung existierender Kraftwerkspark & Spitzenlast Angelehnt an Eigenschaften eines Entwicklungslands im Sonnengürtel Starker Anstieg des Strombedarfs Sehr gute Wind- und Solarpotentiale GHI: kwh/m²/y DNI: 2700 kwh/m²/y Wind: m/s (60m) Wasserkraftpotentiale beschränkt HYDRO-RES/ROR: 3.5 GW PUMPED-HYDRO: 1.25 GW CO2 Preise ab 2028, Anstieg bis 2040 auf 37 USD/t

8 DLR.de Chart 8 Methodik REMix-CEM Modellkonfiguration RUN1 RUN2 RUN3 Planning horizon Milestone years 2016, 2019,, , 2019,, , 2019,, 2040 # Milestone years # Seasons # Days per season (load) 2 (WD, WE) 2 (WD, WE) 2 (WD, WE) # Days per season (RE resources) # Diurnal dispatch periods # Total annual dispatch periods # Model regions Considered unit commitment constraints None Start-up costs Ramping costs Relaxation for integer variables Start-up costs Ramping costs Min. load level Part-load efficiency

9 DLR.de Chart 9 Ergebnisse Entwicklung installierte Leistung über Planungshorizont

10 DLR.de Chart 10 Ergebnisse Gesamte neu installierte Leistung in [GW] RUN-1 RUN-2 RUN-3 COAL CCGT GT-GAS CSP HY-RES BATTERY PUMPED-HY PV WIND VRE gesamt Die Berücksichtigung des Flexibility Effects / Unit Commitment Constraints führt zu einer erhöhten Konkurrenzfähigkeit von flexiblen Kraftwerken und Speichern (hier: CSP und Batteriespeicher) und zu einer leicht verringerte Konkurrenzfähigkeit von VRE

11 DLR.de Chart 11 Ergebnisse Vergleich zeitlicher Rechenaufwand RUN1 RUN2 RUN3 [sec.] [%] Considered UCC None Simplified In detail

12 DLR.de Chart 12 Ergebnisse Vergleich Error Term für Ø LRMC Error Term: Ø Langfristige Grenzkosten Kraftwerkspark (LRMC) Average RUN1 1.5% 2.1% 2.8% 4.2% 6.4% 3.40% RUN2 0.7% 1.0% 1.1% 3.0% 4.5% 2.06% RUN3 0.7% 1.0% 1.1% 2.9% 4.4% 2.02% Installierte VRE Kapazität relativ zur Spitzenlast Error Term = 1 LRMC PCM LRMC CEM 100% RUN1 25% 39% 77% 110% 128% RUN2 25% 35% 72% 100% 126% RUN3 25% 34% 74% 101% 127%

13 DLR.de Chart 13 Schlussfolgerungen Flexibility Effect kann durch die Berücksichtigung von Unit Commitment Constraints von thermischen Kraftwerken innerhalb der Ausbauoptimierung akkurat abgebildet werden Aufgrund hoher Anzahl an Integer-Variablen erhöht dies den zeitlichen Rechenaufwand jedoch erheblich Vernachlässigung des Flexibility Effect führt jedoch zu einer Unterschätzung der Konkurrenzfähigkeit von Flexibilitätsoptionen (hier: Speicher und CSP) Vereinfachte Modellierung von Unit Commitment Constraints (Relaxation von Integer-Variablen) bietet sehr guten Kompromiss bzgl. Modellgenauigkeit und zeitlichen Rechenaufwand Zukünftige Arbeiten sollten sich auf Auswahl geeigneter Typ-Tage konzentrieren, um Genauigkeit von Ausbauoptimierungsmodellen weiter zu erhöhen

14 DLR.de Chart 14 Herzlichen Dank für Ihre Aufmerksamkeit!!! Tobias Fichter: Franz Trieb: